索引于
  • 打开 J 门
  • 学术钥匙
  • 研究圣经
  • 中国知网(CNKI)
  • 国际农业与生物科学中心 (CABI)
  • 参考搜索
  • 哈姆达大学
  • 亚利桑那州EBSCO
  • OCLC-WorldCat
  • CABI 全文
  • 普布隆斯
  • 日内瓦医学教育与研究基金会
  • 谷歌学术
分享此页面
期刊传单
Flyer image

抽象的

使用深度学习技术预测妊娠初期孕妇的分娩方式

阿蒂R

据世界卫生组织统计,2017年每天有810名妇女死于与分娩和怀孕有关的可预防问题。虽然自2000年以来这一数字一直在下降,但仍然有妇女因分娩而死亡,而剖宫产 (CS) 在很大程度上与分娩有关。研究表明,与阴道分娩的妇女相比,接受剖宫产的妇女发生产后心脏骤停、子宫切除、伤口血肿、静脉血栓栓塞、麻醉并发症、严重产褥感染等的风险更高。紧急剖宫产比计划剖宫产更糟糕。为了进一步降低孕产妇死亡率并减少剖宫产,本研究旨在应用深度学习技术尽早预测分娩方式,以便尽早采取措施将其转为阴道分娩。用于训练模型的一些参数包括年龄、吸烟或饮酒习惯、妊娠糖尿病、产次、妊娠次数等。这种预测女性是进行阴道分娩还是剖腹产的监督式机器学习模型将有助于降低剖腹产导致的产妇死亡率。通过及早预测剖腹产并为产科医生将其转为阴道分娩铺平道路,该模型还旨在减少剖腹产造成的身体、心理和经济困扰。

免责声明: 此摘要通过人工智能工具翻译,尚未经过审核或验证